摘要：针对传统势场蚁群算法在机器人路径规划中表现出的三个关键不足——转折点精度不足、收敛特性与解质量不匹配、局部最优规避效能低下，本研究提出了一种基于边界势场矢量合成的改进算法。该算法的核心创新体现在：1）构建势场-蚁群协同搜索架构，采用角度优选概率模型提升路径连续性；2）设计动态收敛调节因子，实现勘探与开发的智能平衡；3）建立融合转向特征的信息素更新机制。多尺度栅格环境测试表明，改进算法使迭代代数减少37.4%，路径转折量下降54.7%，全局最优概率提升至91.3%，同时显著优化了计算时效性和路径质量，有效提升了移动机器人的导航性能，搜索时间明显缩短，路径转折频率次数明显降低，机器人路径规划效率明显提升。
文章目录
0 前言
1 蚁群算法
2 人工势场算法
3 边界势场牵引ACSPF算法
3.1 BHVS搜索策略
3.2 BHVS角度搜索函数
3.3 全局素优化
3.4 蚁群优化路径规划
4 仿真实验验证
5 结论
